Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
Ðа пÑÐ°Ð²Ð°Ñ ÑÑкопиÑи
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
дели «структура-свойство» не изолированными, а связанными друг с другом.<br />
Можно ожидать, что в этом случае будет происходить интеграция данных, при<br />
которой объем полезной информации для каждого из свойств будет существенно<br />
увеличен за счет эффективного использования информации, касающейся<br />
других свойств, тесно с ним связанным. Также можно предположить, что чем<br />
меньше экспериментальных данных имеется по данному свойству и чем больше<br />
экспериментальных данных имеется по связанным с ним другим свойствам,<br />
тем более эффективно будет происходить перенос необходимой информации<br />
при построении модели для прогнозирования этого свойства. Такой перенос<br />
информации возможен между моделями, расположенными внутри сети взаимосвязанных<br />
моделей как последовательно (см. раздел 7.4.1), так и параллельно<br />
друг относительно друга (см. раздел 7.4.2).<br />
Можно предвидеть, что в перспективе развития методологии QSPR/QSAR<br />
место разрозненных и независимых друг от друга одноуровневых моделей<br />
«структура-свойство»/«структура-активность» займет организованная в виде<br />
«химического мозга» сеть тесно связанных между собой моделей, позволяющая<br />
интегрировать внутри себя значительный объем как экспериментальных данных,<br />
так и теоретических знаний, что позволит значительно улучшить качество<br />
прогнозирования разнообразных свойств химических соединений.<br />
7.3.1. Многоуровневый принцип построения моделей «структура-свойство»<br />
Суть предлагаемого нами многоуровневого подхода к прогнозированию<br />
свойств органических соединений в рамках методологии QSAR/QSPR заключается<br />
в следующем. Прогнозирование свойств органических соединений проводится<br />
в рамках фрагментного подхода [110, 116]. Это дает возможность воспользоваться<br />
всеми такими преимуществами фрагментного подхода как быстрота<br />
и однозначность вычислений, а также естественный характер интерпретации<br />
моделей на языке элементов структурных формул органических соединений.<br />
Кроме того, благодаря своему базисному характеру, фрагментные дескрипторы<br />
должны обеспечить возможность аппроксимировать любые сколь<br />
264